N‐terminomics and proteomics analysis of Calpain‐2 reveal key proteolytic processing of metabolic and cell adhesion proteins
Notice bibliographique
Résumé
Aberrant levels of the cysteine protease Calpain-2 have been linked to neurodegeneration, inflammation, and cancer, yet our understanding of this protease and its substrates remains limited. Systematic studies to identify Calpain-2 substrates have been largely confined to peptide libraries or in vitro studies, which fail to represent physiological cellular conditions and physiologically relevant substrates. To identify existing and novel Calpain-2 substrates, we used a genetic approach to knockout Calpain-2 in the THP-1 human monocyte-like cells, followed by proteomic and N-terminomic/TAILS mass spectrometry approaches to identify Calpain-2 substrates. We identified 51 substrates that may be cleaved directly by Calpain-2 or indirectly by downstream proteases. The direct cleavage of selected substrates by Calpain-2 was confirmed using in vitro assays. Finally, metabolomics analysis identified a role for Calpain-2 in the regulation of pyrimidine and glutathione metabolism. Our unbiased and quantitative mass spectrometry analytical pipeline provides new evidence on the physiological functions of Calpain-2 and its newly identified substrates in THP-1 cells.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».